汽车风噪点云数据预处理方法、系统、设备及存储介质与流程

摘要: 本申请属于汽车风噪预测,尤其涉及一种汽车风噪点云数据预处理方法、系统、设备及存储介质。背景技术:1、汽车风噪开发通常需要对前格栅、后视镜、a柱、雨刮器和车身局部...
汽车风噪点云数据预处理方法、系统、设备及存储介质与流程

本申请属于汽车风噪预测,尤其涉及一种汽车风噪点云数据预处理方法、系统、设备及存储介质。

背景技术:

1、汽车风噪开发通常需要对前格栅、后视镜、a柱、雨刮器和车身局部结构进行大量造型迭代。传统方式主要依赖风洞试验或计算流体力学仿真评价不同方案,单个方案从几何准备、网格划分到求解均需要较长周期。采用点云深度学习模型建立零部件几何与风噪响应之间的映射关系,可以缩短方案筛选时间,但模型性能取决于训练数据的数量、物理一致性和划分质量。

2、风噪预测使用的点云文件并非只有三维坐标。根据数据来源不同,文件中还包含表面法向量和部件标签,例如每行采用“x、y、z、nx、ny、nz、label”七列结构,或者采用“x、y、z、label”四列结构。现有预处理方式往往把点云当作普通数值表处理,至少存在以下问题:

3、(1)样本数量受仿真成本限制。直接复制点云不能增加几何变化,单纯改变点的排列顺序也不能形成新的设计样本;若只旋转坐标而不旋转法向量,又会使表面朝向与几何位置不一致,导致增强数据失真。

4、(2)风噪敏感零部件常通过间距、厚度或表面位置的变化形成设计方案。通用随机扰动会同时改变多个区域,难以对应明确的工程设计变量,也不利于解释模型输出。人工逐点选择某一表面再移动,操作量大,且不同人员得到的表面范围不一致。

5、(3)原始文件和增强文件通常分散在多级目录中,多存在列数错误、标签缺失、标签编号不统一、文件末尾换行不规范和固定点序等问题。若未在进入训练前统一检查,错误文件会在训练阶段才暴露;若只在全部文件中进行一次全局随机抽样,小规模子目录还会未被抽入至某一数据子集,造成数据分布不均。

6、(4)现有增强、校验、点序处理和数据集清单生成常由多个独立脚本完成,输出文件缺乏统一的来源标识和处理记录。出现异常时,难以判断样本由具体哪个原始文件、哪组旋转参数或哪一档平移距离产生。

技术实现思路

1、有鉴于此,本申请旨在提出一种汽车风噪点云数据预处理方法、系统、设备及存储介质,以解决上述至少一个问题。

2、为达到上述目的,本申请的技术方案是这样实现的:

3、第一方面,本申请提供了一种汽车风噪点云数据预处理方法,包括:

4、获取汽车外部零部件的点云文件,识别各点记录的字段模式,并将点坐标、表面法向量和部件标签转换为统一数据结构;

5、根据遍历点云文件中的旋转参数集合构造旋转矩阵,基于所述旋转矩阵对所述点坐标执行旋转,并在点记录包含表面法向量时采用同一旋转矩阵同步变换表面法向量,保持部件标签不变,得到姿态增强点云;

6、针对包含表面法向量的点云,根据法向量方向确定目标表面和基准表面,按照平移距离集合沿目标表面的法向量方向移动目标表面的点,并保持基准表面的点不变,将移动后的目标表面与基准表面合并,得到局部几何增强点云;

7、根据字段模式,对包含部件标签且用于模型训练的点云进行字段结构检查、标签映射和标签集合完备性检查,对通过检查的点云进行点序随机化,并按照相对目录分组划分数据集,生成用于风噪预测模型训练的点云文件和数据集索引。

8、第二方面,基于同一发明构思,本申请还提供了一种汽车风噪点云数据预处理系统,包括:

9、目录扫描与格式解析模块,用于获取点云文件、识别字段模式并形成包含点坐标、表面法向量和部件标签的统一数据结构;

10、坐标-法向量协同旋转模块,用于根据旋转轴和旋转角度构造旋转矩阵,对点坐标和所包含的表面法向量进行同源旋转;

11、法向量分面与定向平移模块,用于根据法向量方向确定目标表面和基准表面,并沿目标表面的法向量方向按多个平移距离移动目标表面;

12、结构与语义质量检查模块,用于检查字段数量、数值可解析性、法向量数量约束和标签集合完备性,输出文件级异常原因;

13、标签映射与点序处理模块,用于按映射表统一标签编号,并对点记录执行随机置换;

14、目录层级抽样与索引模块,用于按照相对目录分组划分数据集并生成用于风噪预测模型训练的数据集索引;

15、结果记录模块,用于保存增强文件、异常清单、处理参数和数据集清单,以使每个输出样本追溯至原始文件和增强参数。

16、第三方面,基于同一发明构思,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的方法。

17、第四方面,基于同一发明构思,本申请还提供了一种非暂态计算机可读存储介质,其中,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如第一方面所述的方法。

18、相对于现有技术,本申请所述的汽车风噪点云数据预处理方法、系统、设备及存储介质具有以下有益效果:

19、本申请通过对风噪预测点云数据进行字段自适应解析、坐标与法向量协同增强、基于法向量约束的局部表面定向变换以及数据质量检测与索引生成,实现了点云训练数据的自动化预处理;在保证几何结构和表面语义一致性的基础上,有效提升了风噪预测模型训练样本的多样性、可靠性和可追溯性,降低了人工处理成本,提高了数据集构建效率和模型训练数据质量。

1.一种汽车风噪点云数据预处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于:

3.根据权利要求1所述的方法,其特征在于:

4.根据权利要求1所述的方法,其特征在于,所述根据法向量方向确定目标表面和基准表面,包括:

5.根据权利要求1所述的方法,其特征在于,所述按照平移距离集合沿目标表面的法向量方向移动目标表面的点,包括:

6.根据权利要求1所述的方法,其特征在于,所述字段结构检查和标签集合完备性检查包括:

7.根据权利要求1所述的方法,其特征在于,所述点序随机化包括:

8.一种汽车风噪点云数据预处理系统,其特征在于,包括:

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的方法。

10.一种非暂态计算机可读存储介质,其特征在于,其中,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行权利要求1-7任一项所述的方法。